DEFESA DE DISSERTAÇÃO DE MESTRADO Nº 335

Aluno: Leandro Ferreira Moura Filho

Título: “Uma Metodologia de Extração e Pré-processamento de Dados para Aplicações de Previsão de Falhas Baseadas em Aprendizado de Máquina"

Orientadora: Patricia Takako Endo

Coorientadora: Andrea Maria Nogueira (UFPE)

Examinador Externo: José Rodrigues de Oliveira Neto (UFPE)

Examinador Interno: João Fausto Lorenzato de Oliveira

Data-hora: 23 de setembro de 2025 às 14h

Local: Formato Presencial - Miniauditório (bloco A)

---

Resumo:

         "A manutenção industrial é um dos setores em que a aprendizagem de máquina tem demonstrado grande aplicabilidade, especialmente na manutenção preditiva, que se destaca como um campo de interesse crescente para pesquisadores em ciência de dados. No entanto, muitos estudos nesta área são conduzidos com base em dados sintéticos ou coletados em ambientes controlados, o que limita a representatividade e não reflete plenamente os desafios práticos enfrentados em aplicações reais que utilizam dados industriais autênticos. Esta pesquisa propõe uma metodologia voltada para o uso integrado de dados de confiabilidade e instrumentação, comuns em ambientes industriais, com o objetivo de desenvolver modelos de aprendizagem de máquina mais robustos e eficientes. A metodologia contempla os principais obstáculos encontrados na prática, tais como a variabilidade e baixa qualidade dos dados, a ocorrência de erros de classificação de falhas e o desbalanceamento de classes, além de apresentar estratégias eficazes para a interpretação dos resultados e para a implementação dos modelos em contextos operacionais. Como contribuição prática, esta pesquisa inclui um estudo de caso no qual a metodologia proposta foi implementada em um ambiente industrial real, no qual foram avaliadas as etapas de preparação e modelagem dos dados, bem como medidas quantitativas de desempenho dos modelos. Nesse estudo de caso, a aplicação da metodologia alcançou F1-score de 83%, com significativas melhorias na acurácia, especialmente na redução de falsos positivos, quando comparada a modelo treinado sem a abordagem proposta. Por fim, destaca-se que a metodologia está sendo aplicada de forma contínua em diferentes modelos com o objetivo específico de previsão de falhas em equipamentos industriais, ampliando sua relevância prática e demonstrando seu potencial de replicabilidade em distintos contextos produtivos. "